字符串处理之正则表达式(通俗易懂)

Bgwan

即时通讯，软件设计与开发者，物联网，移动互联网，AIVRVI兴趣者

背景图为：网易Bgwan/Lofter&&：click

写在前面

很久没有更新内容了，本篇准备介绍一些基础实用性的内容，-字符串处理之正则表达式

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取 @ 前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。

我们判断一个字符串是否是 合法的Email 的方法是：

1.创建一个匹配Email的正则表达式；
2.用该正则表达式去匹配用户的输入来判断是否合法。

因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。

版权声明CopyRight：

本内容作者：sunst，转载或引用请 标明出处 ，违者追究法律责任！！！

通过本篇你会了解学习到正则表达的基本原理，以及Python(主)和Java利用正则表达式来处理一些字符串的方法案例等等。

一：正则表达式基本知识

在正则表达式中

1. 如果直接给出字符，就是精确匹配。

用 \d 可以匹配一个数字
用 \w 可以匹配一个字母或数字
用 . 可以匹配任意字符

所以：

'00\d' 可以匹配 '007' ，但无法匹配 '00A' ；
'\d\d\d' 可以匹配 '010' ；
'\w\w\d' 可以匹配 'py3' ；
'py.' 可以匹配 'pyc' 、 'pyo' 、 'py!' 等等；

2. 要匹配变长的字符

用 * 表示任意个字符 （包括0个），
用 + 表示至少一个字符 ，
用 ? 表示0个或1个字符 ，
用 {n} 表示n个字符 ，
用 {n,m} 表示n-m个字符 ：

来看一个复杂的例子： \d{3}\s+\d{3,8} ，我们来从左到右解读一下：

1⃣. \d{3} 表示匹配3个数字，例如 '010' ；
2⃣. \s 可以匹配一个空格（也包括Tab等空白符），所以 \s+ 表示至少有一个空格，例如匹配 ' ' ， ' ' 等；
3⃣. \d{3,8} 表示3-8个数字，例如 '1234567' 。

综合起来，上面的正则表达式可以 匹配以任意个空格隔开的带区号的电话号码 。

如果要匹配 '010-12345' 这样的号码呢？由于 '-' 是特殊字符，在正则表达式中，要用 '\' 转义，所以，上面的正则是 \d{3}\-\d{3,8} 。

但是，仍然无法匹配 '010 - 12345' ，因为带有空格。所以我们需要更复杂的匹配方式。

二：进阶

要做更精确地匹配，可以用 [] 表示范围，比如：

[0-9a-zA-Z\_] 可以匹配一个数字、字母或者下划线；
[0-9a-zA-Z\_]+ 可以匹配至少由一个数字、字母或者下划线组成的字符串，比如 'a100' ， '0_Z' ， 'Py3000' 等等；
[a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。

A|B 可以匹配A或B，所以 (P|p)ython 可以匹配 'Python' 或者 'python' 。

^ 表示行的开头， ^\d 表示必须以数字开头。

$ 表示行的结束， \d$ 表示必须以数字结束。

你可能注意到了， py 也可以匹配 'python' ，但是加上 ^py$ 就变成了整行匹配，就只能匹配 'py' 了。

2.特别补充：常用的正则表达式字符串

参考refs ，具体代码的使用参考第三字符串处理案例，

1⃣️ . 校验数字的表达式

1 数字：^[0-9]*$
2 n位的数字：^\d{n}$
3 至少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非负整数：^\d+$ 或 ^[1-9]\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$

2⃣️ . 校验字符的表达式

1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+

3⃣️ . 特殊需求表达式

1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s]* 或 ^https://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$ 
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号：
		15或18位身份证：^\d{15}|\d{18}$
		15位身份证：^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$
		18位身份证：^[1-9]\d{5}[1-9]\d{3}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{4}$
8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$ 
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$ 
15 钱的输入格式：
16 1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$ 
17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$ 
18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$ 
19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$ 
20 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$ 
21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$ 
22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$ 
23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$ 
24 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式：[\u4e00-\u9fa5]
27 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
28 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
29 HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
31 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
32 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
33 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)

三：字符串处理案例

正则表达式字符串处理案例，前面1-5为Python语言处理的案例，往后则为Java中处理字符串的一些常用方法， 可能会增加内容，会不定时更新，感兴趣的同学可以留意 。

1. Python re模块

有了准备知识，我们就可以在Python中使用正则表达式了。Python提供 re 模块，包含所有正则表达式的功能。由于Python的字符串本身也用 \ 转义，所以要特别注意：

s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成：
# 'ABC\-001'

因此我们强烈建议使用Python的 r 前缀，就不用考虑转义的问题了：

s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变：
# 'ABC\-001'

先看看如何判断正则表达式是否匹配：

>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>

match() 方法判断是否匹配，如果匹配成功，返回一个 Match 对象，否则返回 None 。常见的判断方法就是：

test = '用户输入的字符串'
if re.match(r'正则表达式', test):
    print('ok')
else:
    print('failed')

2 .Python 切分字符串

用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码：

>>> 'a b   c'.split(' ')
['a', 'b', '', '', 'c']

嗯，无法识别连续的空格，用正则表达式试试：

>>> re.split(r'\s+', 'a b   c')
['a', 'b', 'c']

无论多少个空格都可以正常分割。加入 , 试试：

>>> re.split(r'[\s\,]+', 'a,b, c  d')
['a', 'b', 'c', 'd']

再加入 ; 试试：

>>> re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

如果用户输入了一组标签，下次记得用正则表达式来把不规范的输入转化成正确的数组。

3. Python 分组

除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用 () 表示的就是要提取的分组（Group）。比如：

^(\d{3})-(\d{3,8})$ 分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：

>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'

如果正则表达式中定义了组，就可以在 Match 对象上用 group() 方法提取出子串来。

注意到 group(0) 永远是原始字符串， group(1) 、 group(2) ……表示第1、2、……个子串。

提取子串非常有用。来看一个更凶残的例子：

>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')

这个正则表达式可以直接识别合法的时间。但是有些时候，用正则表达式也无法做到完全验证，比如识别日期：

'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'

对于 '2-30' ， '4-31' 这样的非法日期，用正则还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了。

4. Python 贪婪匹配

最后需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的 0 ：

>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

由于 \d+ 采用贪婪匹配，直接把后面的 0 全部匹配了，结果 0* 只能匹配空字符串了。

必须让 \d+ 采用非贪婪匹配（也就是尽可能少匹配），才能把后面的 0 匹配出来，加个 ? 就可以让 \d+ 采用非贪婪匹配：

>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

5. Python 编译

当我们在Python中使用正则表达式时，re模块内部会干两件事情：

编译正则表达式，如果正则表达式的字符串本身不合法，会报错；
用编译后的正则表达式去匹配字符串。

如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配：

>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')

编译后生成Regular Expression对象，由于该对象自己包含了正则表达式，所以调用对应的方法时不用给出正则字符串。

6 .Java匹配一个以 `'#{'` 开头，以 `'#}'` 结尾的字符串，中间7个字符

public class TestDemo {
    public static void main(String[] args) {
        //匹配以#{开头，中间7个字符 ，以@结尾的字符串
        boolean isMatch = Pattern.matches("^#\\{+.{7}\\@$", "#{sunstlf@");
        System.out.println(isMatch);
        //boolean isMatch = Pattern.matches("^#+.{7}\\@$", "#lifangf@");
        // .为任意字符串， "^#+\\d{7}\\@$" 表示中间7位字符必须为数字
        Pattern p = Pattern.compile("^#+.{7}\\@$");
        Matcher matcher = p.matcher("#sun0609@");
        System.out.println(matcher.find());
}

7.数组相关

-- 留

非常感谢：廖雪峰的官方网站前辈。

正则表达式非常强大，短短一篇文章里讲完是不可能的，要讲清楚正则的所有内容，可以写一本厚厚的书，如果你经常遇到正则表达式的问题，你可能需要一本正则表达式的参考书。

所以本文知乎只是通俗易懂的介绍了编程开发中常用到的内容，总的来说就介绍到这里、//希望可以帮助到大家。

2020年5月补充1：针对Java中操作正则注意事项

正则表达式使用不当，会造成ANR，这一点我在《 Android内存泄漏分析与解决办法-持新》文章中也提及到了，做android开发的同学，大家要去阅读，这里再补充一下

java.util.regex 包使用了一种叫做 Nondeterministic Finite Automaton(NFA)（不确定性有穷自动机）的模式匹配引擎。它被认为是不确定的是因为在对给定字符串尝试匹配正则表达式时，输入的每个字符可能针对正则表达式的不同部分进行多次检查。

正则表达式被编译为内部数据接口，这个编译时一个耗时的过程

我们每次调用 String.matches(String regex) 方法时，制定的正则表达式都会重新编译。

这也是造成当前微信输入。。。。后ANR的直接原因，

if (input.matches(regexPattern)) {  
// do something  
}

我们可以看到，每次进行条件求值时，正则表达式将被编译，这样的直接结果就是：在第一次这样写请求会耗费很长时间（分特殊情况，简单的正则表达式除外）。

所以我们要对这方面进行优化：要进行优化，只能首先编译模式，然后创建一个Matcher来查找值中的匹配：

Pattern pattern = Pattern.compile(regexPattern);  
for(String value : values) {  
Matcher matcher = pattern.matcher(value);  
if (matcher.matches()) {  
// do something  
}

当然我们也可以使用相同的Matcher示例及其reset()方法：

Pattern pattern = Pattern.compile(regexPattern);  
Matcher matcher = pattern.matcher("");  
for(String value : values) {  
matcher.reset(value);  
if (matcher.matches()) {  
// do something  
}

由于Matcher不是线程安全的情况，我们必须谨慎使用这种变体。在多线程场景中可能存在危险

说了这么多，总而言之，无论哪种情况，我们都保证在任何时间点都只有一个Matcher用例，可以用reset来重用它。对于这个例子，重复使用预编译已经足够了

使用正则表达式的预编译功能，可以有效加快正则匹配速度。使用static final Pattern要定义为静态变量，从而避免执行多次预编译

以下列举一个：验证邮箱格式是否正确的写法

private static final check = "^[A-Za-z0-9_]+([-+.][A-Za-z0-9_]+)*@[A-Za-z0-9_]+([-.][A-Za-z0-9_]+)*.[A-Za-z0-9_]+([-.][A-Za-z0-9_]+)*$";  
static final Pattern regex = Pattern.compile(check);  
public static boolean checkEmail(String email){  
boolean flag = false;  
Matcher matcher = regex.matcher(email);  
flag = matcher.matches();  
return flag;  
}

2021年02月01日- 补充2：针对python实际操作正则案例继续总结性内容

1.python中只要是报错：IndentationError:expected an indented block

则需要检查代码的格式（如缩进是否正确）

2.re.error: unterminated character set at position 0

正则表达式不正确

3.python正则表达式匹配两个指定字符串中间的内容

在《Android国际化strings.xml自动化翻译Python（含编码对照表）》，处理的方式为：

（1）先判断翻译以后的字符串是否以A开头，B结尾

^A.*B$ #表示匹配以A开头，B结尾的字符串

（2）再截取A-B中间字符串内容

A(.*?)B #表示截取A-B中间字符串的内容

举个例子：

A='[[["'；B='","'；C='[]]'。匹配以A开头C结尾的字符串，并且截取A-B的字符串内容。

参考一个标准的正则： path = r'C:\User\sun\lifangfang\text.bat'

(1)匹配A开头C结尾的正则表达式：

方法一：

>>> A = '\[\[\[\\"'
>>> C = '\[\]\]'
>>> regx = '^'+A+'.*'+C+'$'
>>> print(regx)
^\[\[\[\".*\[\]\]$
>>> import re
>>> str = '[[["芳儿芳芳，小红小红，赵丽颖赵丽颖","-匹配A开头C结尾","[]]'
>>> re.match(regx,str)
<re.Match object; span=(0, 38), match='[[["芳儿芳芳，小红小红，赵丽颖赵丽颖","-匹配A开头C结尾","[]]'>

方法二：

>>> regx1 = r'^\[\[\[".*\[\]\]$'
>>> re.match(regx1,str)
<re.Match object; span=(0, 38), match='[[["芳儿芳芳，小红小红，赵丽颖赵丽颖","-匹配A开头C结尾","[]]'>

(2)截取A-B的字符串内容

方法一：

>>> A = '\[\[\[\\"'
>>> B = '\\",\\"'
>>> regx2 = A+'(.*?)'+B
>print(regx2)
\[\[\[\"(.*?)\",\"
>>> import re
>>> str = '[[["芳儿芳芳，小红小红，赵丽颖赵丽颖","-匹配A开头C结尾","[]]'
>>> result = re.findall(regx2,str)
>>> print(result)
['Lifangfang如果要是有如果，只要你想']

方法二：

>>> result = re.findall(r'\[\[\["(.*?)","',str)
>>> print(result)
['Lifangfang如果要是有如果，只要你想']
>>> result = re.findall(r'\[\[\[\"(.*?)\",\"',str)
>>> print(result)
['Lifangfang如果要是有如果，只要你想']

说明： ( [ ) 是特殊的的字符，使用\ 转义 ( [ ) ;result[0]表示截取AB中间的内容;( " )也可以使用转义.

4.处理字符串换行，空格等问题

在这篇文章【1：通过网络请求】翻译后的结果为：

[[["Li Fangfang","李芳芳",null,null,1]
,null,"en",null,null,null,null,[]
translators.py==>修复以后的数据格式为： [[["Audio is corrupted","音频已损坏",null,null,3,null,null,[[]
,[[["51171d70a5b6c2485a24361038890141","zh_en_2020q2.md"]
,null,"zh-CN",null,null,null,null,[]
]

(1)去除空格　　strip()

" xyz ".strip() # returns "xyz" " xyz ".lstrip() # returns "xyz " " xyz ".rstrip() # returns " xyz" " x y z ".replace(' ', '') # returns "xyz"

说明：使用 .strip() 只能够去除字符串首尾的空格，不能够去除中间的空格。因此需要(2)replace

(2x)替换replace("space","")

使用 .replace(' ', '') 来替换空格项。string.replace(' ', '')

使用 .replace('\n', '') 去除换行。string.repace('\n', '')

因为在python中存在继承了回车符\r 和换行符\n 两种标记，有时候也不能达到效果，所需可能需要(3)repace

(3)去掉到\n \r

用 replace("\n", "")，与 replace("\r", "")，后边的内容替换掉前边的。

\r和\n 都是以前的那种打字机传承来的。 \r 代表回车，也就是打印头归位，回到某一行的开头。 \n代表换行，就是走纸，下一行。 linux只用\n换行。 win下用\r\n表示换行。

所以，在去除换行时，需要同时去除两者才行，即使用

.replace('\n', '').replace('\r', '')

（4）还有直接使用splitlines方法

>>> str='中国好声音\n我是歌手\n赵丽颖\r小团子lifangfang'
>>> print("".join(str.splitlines()))
中国好声音我是歌手赵丽颖小团子lifangfang
>>> str='中国好声音\n我是歌手\n赵丽颖\n小团子lifangfang\我的'
>>> print("".join(str.splitlines()))
中国好声音我是歌手赵丽颖小团子lifangfang\我的

5.处理字符串空行问题，（删除空行字符串）如：

<?xml version='1.0' encoding='utf-8'?>
<resources>
    <string name="loading">loading ...</string>
    <string name="an_back">返回</string>
    <string name="an_bar_title">[Li Fangfang]</string>
    <string name="an_bar_right_txt">Xiao Hong</string>
    <string name="an_bar_rright_txt">69.</string>
    <string name="an_open_with">打開方法</string>

转化为：

<?xml version='1.0' encoding='utf-8'?>
<resources>
    <string name="loading">loading ...</string>
    <string name="an_back">返回</string>
    <string name="an_bar_title">[Li Fangfang]</string>
    <string name="an_bar_right_txt">Xiao Hong</string>
    <string name="an_bar_rright_txt">69.</string>
    <string name="an_open_with">打開方法</string>

下面为实现代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-
' lines.py '
__author__ = 'sunst0069'
import os
############## main code ###############
with open(r'C:\Users\sun\public\python\bgwan\strings\values\strings.xml','r',encoding='UTF-8') as f: